在模糊多属性决策(MADM)问题中,由于区间中智数(INN)于区间值直觉模糊数(IVIFN)的基础上添加独立不确定性度量,可以更加细腻地描述客观事物的模糊本质。基于INN的模糊MADM受到广泛研究,并取得丰硕的研究成果。目前有关INN的MADM研究主要集中于权重信息已知以及指标间相互独立的MADM问题,现实生活,决策所涉及的指标因素经常含有关联关系,并且权重信息部分未知。为了解决这个问题,把模糊测度、Choquet积分算子以及广义Shapley值三者拓展到INN中,定义若干基于区间中智数的Choquet积分算子;建立了多种模型,这些模型分别是基于离差最大化的模型、基于区间中智数交叉熵的模型、基于灰色关联分析的模型以及基于区间中智数相对投影的模型;在此基础上,提出四种解决权重信息部分未知以及属性值是INN的关联MADM问题方法。这四种方法各有优缺点,其中第一种方法不仅可以考虑数据本身的重要性程度或者数据所处聚合位置的重要程度,同时可以考虑指标或者位置之间的关联关系,但是它只能够考虑邻近组合指标的关联关系。第二种方法能够全面反应指标间关联关系,但是需要指数级别个参数以确定模糊测度。第三种方法大大简化了计算模糊测度的复杂性,但是仅仅可以反映指标之间的一类关联(互补或者冗余)关系。第四种方法在一定程度上降低了计算的复杂性,同时能够反映两个指标之间的关联关系。因此,决策者可以按照个人偏好以及问题实际情形,采取相应的MADM方法。本文的创新点在于(1)将模糊测度、Choquet积分算子以及广义Shapley值拓展到INN中,提出一些关于INN的Choquet积分集成算子;(2)建立若干求取指标以及指标集模糊测度的模型;(3)依据所定义的INN的Choquet积分以及所建立的求取指标信息的模型,提出了四种解决属性值为INN、属性权重信息部分未知的关联MADM方法。